将PLINK文件读入Pandas数据框

这些详情尚未由PyPI验证

项目链接

项目描述

pydata-plink

pydata-plink是一个Python包，用于读取PLINK二进制文件格式和实现关系矩阵（PLINK或GCTA）。文件读取通过懒加载进行，这意味着它仅读取用户实际访问的基因型，从而节省内存。

重要变更可以在CHANGELOG.md中找到。

安装

可以使用pip进行安装

pip install pandas-plink

或者可以通过conda安装

conda install -c conda-forge pandas-plink

使用方法

它就像这样简单。

>>> from pandas_plink import read_plink1_bin
>>> G = read_plink1_bin("chr11.bed", "chr11.bim", "chr11.fam", verbose=False)
>>> print(G)
<xarray.DataArray 'genotype' (sample: 14, variant: 779)>
dask.array<shape=(14, 779), dtype=float64, chunksize=(14, 779)>
Coordinates:
  * sample   (sample) object 'B001' 'B002' 'B003' ... 'B012' 'B013' 'B014'
  * variant  (variant) object '11_316849996' '11_316874359' ... '11_345698259'
    father   (sample) <U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    fid      (sample) <U4 'B001' 'B002' 'B003' 'B004' ... 'B012' 'B013' 'B014'
    gender   (sample) <U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    i        (sample) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13
    iid      (sample) <U4 'B001' 'B002' 'B003' 'B004' ... 'B012' 'B013' 'B014'
    mother   (sample) <U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    trait    (sample) <U2 '-9' '-9' '-9' '-9' '-9' ... '-9' '-9' '-9' '-9' '-9'
    a0       (variant) <U1 'C' 'G' 'G' 'C' 'C' 'T' ... 'T' 'A' 'C' 'A' 'A' 'T'
    a1       (variant) <U1 'T' 'C' 'C' 'T' 'T' 'A' ... 'C' 'G' 'T' 'G' 'C' 'C'
    chrom    (variant) <U2 '11' '11' '11' '11' '11' ... '11' '11' '11' '11' '11'
    cm       (variant) float64 0.0 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0
    pos      (variant) int64 157439 181802 248969 ... 28937375 28961091 29005702
    snp      (variant) <U9 '316849996' '316874359' ... '345653648' '345698259'
>>> print(G.sel(sample="B003", variant="11_316874359").values)
0.0
>>> print(G.a0.sel(variant="11_316874359").values)
G
>>> print(G.sel(sample="B003", variant="11_316941526").values)
2.0
>>> print(G.a1.sel(variant="11_316941526").values)
C

基因型的一部分将在用户访问它们时读取。

协方差矩阵也可以非常容易地读取。示例

>>> from pandas_plink import read_rel
>>> K = read_rel("plink2.rel.bin")
>>> print(K)
<xarray.DataArray (sample_0: 10, sample_1: 10)>
array([[ 0.885782,  0.233846, -0.186339, -0.009789, -0.138897,  0.287779,
         0.269977, -0.231279, -0.095472, -0.213979],
       [ 0.233846,  1.077493, -0.452858,  0.192877, -0.186027,  0.171027,
         0.406056, -0.013149, -0.131477, -0.134314],
       [-0.186339, -0.452858,  1.183312, -0.040948, -0.146034, -0.204510,
        -0.314808, -0.042503,  0.296828, -0.011661],
       [-0.009789,  0.192877, -0.040948,  0.895360, -0.068605,  0.012023,
         0.057827, -0.192152, -0.089094,  0.174269],
       [-0.138897, -0.186027, -0.146034, -0.068605,  1.183237,  0.085104,
        -0.032974,  0.103608,  0.215769,  0.166648],
       [ 0.287779,  0.171027, -0.204510,  0.012023,  0.085104,  0.956921,
         0.065427, -0.043752, -0.091492, -0.227673],
       [ 0.269977,  0.406056, -0.314808,  0.057827, -0.032974,  0.065427,
         0.714746, -0.101254, -0.088171, -0.063964],
       [-0.231279, -0.013149, -0.042503, -0.192152,  0.103608, -0.043752,
        -0.101254,  1.423033, -0.298255, -0.074334],
       [-0.095472, -0.131477,  0.296828, -0.089094,  0.215769, -0.091492,
        -0.088171, -0.298255,  0.910274, -0.024663],
       [-0.213979, -0.134314, -0.011661,  0.174269,  0.166648, -0.227673,
        -0.063964, -0.074334, -0.024663,  0.914586]])
Coordinates:
  * sample_0  (sample_0) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
  * sample_1  (sample_1) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
    fid       (sample_1) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
    iid       (sample_1) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
>>> print(K.values)
[[ 0.89  0.23 -0.19 -0.01 -0.14  0.29  0.27 -0.23 -0.10 -0.21]
 [ 0.23  1.08 -0.45  0.19 -0.19  0.17  0.41 -0.01 -0.13 -0.13]
 [-0.19 -0.45  1.18 -0.04 -0.15 -0.20 -0.31 -0.04  0.30 -0.01]
 [-0.01  0.19 -0.04  0.90 -0.07  0.01  0.06 -0.19 -0.09  0.17]
 [-0.14 -0.19 -0.15 -0.07  1.18  0.09 -0.03  0.10  0.22  0.17]
 [ 0.29  0.17 -0.20  0.01  0.09  0.96  0.07 -0.04 -0.09 -0.23]
 [ 0.27  0.41 -0.31  0.06 -0.03  0.07  0.71 -0.10 -0.09 -0.06]
 [-0.23 -0.01 -0.04 -0.19  0.10 -0.04 -0.10  1.42 -0.30 -0.07]
 [-0.10 -0.13  0.30 -0.09  0.22 -0.09 -0.09 -0.30  0.91 -0.02]
 [-0.21 -0.13 -0.01  0.17  0.17 -0.23 -0.06 -0.07 -0.02  0.91]]

有关更多信息，请参阅pydata-plink文档。

作者

Danilo Horta

许可证

本项目采用MIT许可证许可。

项目详情

这些详情尚未由PyPI验证

项目链接

发布历史发布通知 | RSS源

此版本

2.3.1

2024年6月19日

2.3.0

2024年6月18日

2.2.9

2021年7月2日

2.2.8

2021年6月21日

2.2.7

2021年6月21日

2.2.6

2021年6月20日

2.2.5

2021年6月20日

2.2.4

2020年11月27日

2.2.3

2020年11月18日

2.2.2

2020年10月30日

2.2.1

2020年10月7日

2.2.0

2020年10月7日

2.1.0

2020年10月7日

2.0.5

2020年8月9日

2.0.4

2020年2月7日

2.0.3

2019年11月8日

2.0.2

2019年10月2日

2.0.1

2019年5月29日

2.0.0

2019年5月29日

1.2.31

2019年5月9日

1.2.30

2019年3月13日

1.2.29

2018年11月7日

1.2.28

2018年7月12日

1.2.27

2018年7月11日

1.2.26

2018年7月9日

1.2.25

2018年1月25日

1.2.24

2018年1月25日

1.2.23

2018年1月23日

1.2.22

2018年1月23日

1.2.21

2018年1月21日

1.2.20

2018年1月10日

1.2.19

2018年1月10日

1.2.18

2017年12月12日

1.2.17

2017年12月8日

1.2.16

2017年11月6日

1.2.15

2017年9月28日

1.2.14

2017年9月20日

1.2.13

2017年9月19日

1.2.12

2017年9月3日

1.2.11

2017年8月28日

1.2.10

2017年8月23日

1.2.9

2017年8月23日

1.2.8

2017年8月21日

1.2.5

2017年8月13日

1.2.4

2017年8月12日

1.2.3

2017年8月12日

1.2.2

2017年8月12日

1.2.1

2017年5月17日

1.1.8

2017年5月17日

1.1.7

2017年5月10日

1.1.6

2017年4月4日

1.1.5

2017年4月4日

1.1.4

2017年3月27日

1.1.3

2017年3月8日

1.1.2

2017年3月6日

1.1.1

2017年2月23日

1.1.0

2017年2月8日

1.0.0

2016年12月14日

下载文件

下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。

源分发

pandas_plink-2.3.1.tar.gz (19.5 kB 查看哈希值)

上传时间 2024年6月19日 源

构建分发

pandas_plink-2.3.1-pp310-pypy310_pp73-win_amd64.whl (55.7 kB 查看哈希值)

上传时间 2024年6月19日 PyPy Windows x86-64

pandas_plink-2.3.1-pp310-pypy310_pp73-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl (83.3 kB 查看哈希值)

上传时间 2024年6月19日 PyPy manylinux: glibc 2.17+ x86-64 manylinux: glibc 2.5+ x86-64

pandas_plink-2.3.1-pp310-pypy310_pp73-manylinux_2_17_aarch64.manylinux2014_aarch64.whl (46.3 kB 查看哈希值)

上传时间 2024年6月19日 PyPy manylinux: glibc 2.17+ ARM64

pandas_plink-2.3.1-pp310-pypy310_pp73-macosx_14_0_arm64.whl (42.9 kB 查看哈希值)

上传时间 2024年6月19日 PyPy macOS 14.0+ ARM64

pandas_plink-2.3.1-pp310-pypy310_pp73-macosx_13_0_x86_64.whl (42.1 kB 查看哈希值)

上传时间 2024年6月19日 PyPy macOS 13.0+ x86-64

pandas_plink-2.3.1-cp312-cp312-win_amd64.whl (49.1 kB 查看哈希值)

上传时间 2024年6月19日 CPython 3.12 Windows x86-64

pandas_plink-2.3.1-cp312-cp312-musllinux_1_2_x86_64.whl (77.4 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.12 musllinux: musl 1.2+ x86-64

pandas_plink-2.3.1-cp312-cp312-musllinux_1_2_aarch64.whl (42.1 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.12 musllinux: musl 1.2+ ARM64

pandas_plink-2.3.1-cp312-cp312-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl (79.4 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.12 manylinux: glibc 2.17+ x86-64 manylinux: glibc 2.5+ x86-64

pandas_plink-2.3.1-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl (42.4 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.12 manylinux: glibc 2.17+ ARM64

pandas_plink-2.3.1-cp312-cp312-macosx_14_0_arm64.whl (40.1 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.12 macOS 14.0+ ARM64

pandas_plink-2.3.1-cp312-cp312-macosx_13_0_x86_64.whl (39.4 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.12 macOS 13.0+ x86-64

pandas_plink-2.3.1-cp311-cp311-win_amd64.whl (40.8 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.11 Windows x86-64

pandas_plink-2.3.1-cp311-cp311-musllinux_1_2_x86_64.whl (59.4 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.11 musllinux: musl 1.2+ x86-64

pandas_plink-2.3.1-cp311-cp311-musllinux_1_2_aarch64.whl (41.9 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.11 musllinux: musl 1.2+ ARM64

pandas_plink-2.3.1-cp311-cp311-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl (60.6 kB 查看哈希值)

上传于 2024年6月19日 CPython 3.11 manylinux: glibc 2.17+ x86-64 manylinux: glibc 2.5+ x86-64

pandas_plink-2.3.1-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl (42.0 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.11 manylinux: glibc 2.17+ ARM64

pandas_plink-2.3.1-cp311-cp311-macosx_14_0_arm64.whl (34.6 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.11 macOS 14.0+ ARM64

pandas_plink-2.3.1-cp311-cp311-macosx_13_0_x86_64.whl (34.2 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.11 macOS 13.0+ x86-64

pandas_plink-2.3.1-cp310-cp310-win_amd64.whl (32.2 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.10 Windows x86-64

pandas_plink-2.3.1-cp310-cp310-musllinux_1_2_x86_64.whl (41.6 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.10 musllinux: musl 1.2+ x86-64

pandas_plink-2.3.1-cp310-cp310-musllinux_1_2_aarch64.whl (41.9 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.10 musllinux: musl 1.2+ ARM64

pandas_plink-2.3.1-cp310-cp310-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl (42.2 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.10 manylinux: glibc 2.17+ x86-64 manylinux: glibc 2.5+ x86-64

pandas_plink-2.3.1-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl (42.0 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.10 manylinux: glibc 2.17+ ARM64

pandas_plink-2.3.1-cp310-cp310-macosx_14_0_arm64.whl (29.2 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.10 macOS 14.0+ ARM64

pandas_plink-2.3.1-cp310-cp310-macosx_13_0_x86_64.whl (28.9 kB 查看哈希值)

上传时间：2024年6月19日 CPython 3.10 macOS 13.0+ x86-64

哈希值（pandas_plink-2.3.1.tar.gz）

哈希值（pandas_plink-2.3.1.tar.gz）
算法	哈希摘要
SHA256	`f5e5a0ee588c65edea7ea44953523221eb3cf8367700fa5407ad6d72de0a85d9`
MD5	`fa36a5ea8f02d9d71b70eb7697e8b003`
BLAKE2b-256	`b2cfdc1e0cba436f3493376be755cfc9c925beee25fab2335b812db5a48c4e84`

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-win_amd64.whl）

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-win_amd64.whl）
算法	哈希摘要
SHA256	`8720c45a0069099e9788dd0f5d6a6a118502dbfbd98e86a50e64a4ff00802213`
MD5	`43d6bbc7fbac39a07bb428ad82564627`
BLAKE2b-256	`89a9d26fb3c5ec5ff6c824a28f0473ada5e01430ab2b131370f80a1c216f19ed`

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl）

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl）
算法	哈希摘要
SHA256	`99b4c03b9909ff9c656e8444ff73835233828c22a19040240be3920d6af68f4a`
MD5	`7c4a1858e1c89539b87ba297da0a5ec9`
BLAKE2b-256	`76ed8763d90d1360b1627f4a6a11f9c12f713acc659c03c49287c2d43b8f862d`

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-manylinux_2_17_aarch64.manylinux2014_aarch64.whl）

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-manylinux_2_17_aarch64.manylinux2014_aarch64.whl）
算法	哈希摘要
SHA256	`2880b760102c3fcdfe76bf07232d5872357c07e2672d59c250e3edab948f3948`
MD5	`c5af641fad897f36ffa4a05e07f21844`
BLAKE2b-256	`359cf0c25f08861089dd249c8c76e27f1b95dd0bb67d1955a8eab17ebf77579b`

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-macosx_14_0_arm64.whl）

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-macosx_14_0_arm64.whl）
算法	哈希摘要
SHA256	`47089b9412f7e2bcdb53437ee2e5f93a26e178ba346dcdfbc64fc21eeb038bc0`
MD5	`facfa973d57881c938991127122233cf`
BLAKE2b-256	`a51bd09f4b36416973840e954e36f00f23a1256f68a7a09462d43fc8711c4672`

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-macosx_13_0_x86_64.whl）

哈希值（pandas_plink-2.3.1-pp310-pypy310_pp73-macosx_13_0_x86_64.whl）
算法	哈希摘要
SHA256	`9ff73acbb34de757d5c089d2552e6ce28a2f4b0f0c2e165c6275f7e45eac83a8`
MD5	`6b26c91868eaf38f865652e3afe4b811`
BLAKE2b-256	`ebe5ab221e55d4bf461f153c42fc7f8113383c4c3b1e897ae1a349fb71db6adf`

哈希值（pandas_plink-2.3.1-cp312-cp312-win_amd64.whl）

哈希值（pandas_plink-2.3.1-cp312-cp312-win_amd64.whl）
算法	哈希摘要
SHA256	`19b77a10651679427da312304dd6986f85cf33f100d1497f44ae90715a102bfa`
MD5	`882d2d785dcbff254a56ead77a762c91`
BLAKE2b-256	`4e005a37142697d3d8088d09e13a1c11ae2b1db2788c39a78c1f1e8deb9c277d`

哈希值（pandas_plink-2.3.1-cp312-cp312-musllinux_1_2_x86_64.whl）

哈希值（pandas_plink-2.3.1-cp312-cp312-musllinux_1_2_x86_64.whl）
算法	哈希摘要
SHA256	`b441e458b10c5d455f244e1bdf290d2481ff179d9192af50119d3bdcc43ffe2c`
MD5	`a86043f4f450397df2b3d7c56faeb6a8`
BLAKE2b-256	`ff51c4f82627808d4fa47bd31f7a258e7d142ac89b02ebe782a899d33bea2d15`

哈希值（pandas_plink-2.3.1-cp312-cp312-musllinux_1_2_aarch64.whl）

哈希值（pandas_plink-2.3.1-cp312-cp312-musllinux_1_2_aarch64.whl）
算法	哈希摘要
SHA256	`67253f92e255599c20b93ebe94a56e1296a72d4c17af7701c42a283d3f3fa7b4`
MD5	`bffb4616b027dc8a79227feec6368773`
BLAKE2b-256	`74a313405ac7359b0bd55e15ce2724fc9018d36c093c5f8da57b9e955fa157f2`

哈希值（pandas_plink-2.3.1-cp312-cp312-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl）

哈希值（pandas_plink-2.3.1-cp312-cp312-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl）
算法	哈希摘要
SHA256	`dc91a4812439ecd2327f47fbf85df9385dfd24f9f9eedd540c72d485098e90b2`
MD5	`657895f85b73b45c8c70e6c491af0a2b`
BLAKE2b-256	`a9fc0ea44945c198b90135d770bd2785450c36606cacdba29379358af1acaf20`

哈希值（pandas_plink-2.3.1-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl）

哈希值（pandas_plink-2.3.1-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl）
算法	哈希摘要
SHA256	`b263270800df09048825bc586b27a490abb20aef51b6d2d68aa1c390166aa152`
MD5	`d8159cde9c21edc585bb15807c90d006`
BLAKE2b-256	`0dd680239a54db460207635c194f26a7c9fd812e8a01dd8006ca4b30149dfd89`

哈希值（pandas_plink-2.3.1-cp312-cp312-macosx_14_0_arm64.whl）

哈希值（pandas_plink-2.3.1-cp312-cp312-macosx_14_0_arm64.whl）
算法	哈希摘要
SHA256	`790e095ba404ffb0b353d92ae0189158792fdcc1cce5a706f08eaedaac6e0e2a`
MD5	`f47bd769289e486755f31a995f5425de`
BLAKE2b-256	`bfc83ae45385ed6ae1c76d6b805b2e1fc3f1cf5520369ccce587c932337be372`

哈希值用于 pandas_plink-2.3.1-cp312-cp312-macosx_13_0_x86_64.whl

用于 pandas_plink-2.3.1-cp312-cp312-macosx_13_0_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`1a9287324b96210eaa43e5919ba6b25eb070381ee87241af9e6fdd0ab8d42268`
MD5	`9015fb15314720b315e2dbf4dabeb792`
BLAKE2b-256	`b58ed45cc2c67006ad1f7cad3458fe1b4771e743ce5e39e0baf98eeb2face9f1`

哈希值用于 pandas_plink-2.3.1-cp311-cp311-win_amd64.whl

用于 pandas_plink-2.3.1-cp311-cp311-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`c7331c343392c45fe2b2915833e3c752f5759caa4413d3de574c3a74a72bb5dd`
MD5	`86e8dd55e7ff76d03d51f0203399b149`
BLAKE2b-256	`33690b364cc73d0edfb85dbf02ee97628d22996ac2fc001df103720f507bccb7`

哈希值用于 pandas_plink-2.3.1-cp311-cp311-musllinux_1_2_x86_64.whl

用于 pandas_plink-2.3.1-cp311-cp311-musllinux_1_2_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`78bb30004e1322e9aa061d57c9acede79d776392fa2387dce434cf3ccc790957`
MD5	`c7eb3c89b97d37796674e310bf7f2049`
BLAKE2b-256	`b05177a8409a543e6174513717acdd8c1194a4ae0160bf494cc6d5d46914f45c`

哈希值用于 pandas_plink-2.3.1-cp311-cp311-musllinux_1_2_aarch64.whl

用于 pandas_plink-2.3.1-cp311-cp311-musllinux_1_2_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`0919075dda9487913668fcf8e1564ff2dd58372eda2c3388710c5ad16c233aa5`
MD5	`bba9603d56fc293d50b5c7c04fb6e40f`
BLAKE2b-256	`cee2b77818009b39a5a859b2d35f755eb402181de92daaf02469e445b705bed4`

哈希值用于 pandas_plink-2.3.1-cp311-cp311-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl

用于 pandas_plink-2.3.1-cp311-cp311-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`e361f383ac4afddb24bd92a88ddcffed0ff5d9e70f76546bea00a579604930cb`
MD5	`ae4126e7a4865a5229ccf1e28abc4186`
BLAKE2b-256	`79e4577924bf8ca94ba2cc6a23f9e384428cf753d01b37d29f5ff3618b4f65b3`

哈希值用于 pandas_plink-2.3.1-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

用于 pandas_plink-2.3.1-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`cab5aa76b6c490fd220dc1321b7b59780e4544b54bf7208f6e208c4ae126d8fc`
MD5	`c98a03563385d5e9450b6f16374fb2ca`
BLAKE2b-256	`1b69a248e2474cfaa277562f3b83b3e45087be3443f4830f8af123867964e888`

哈希值用于 pandas_plink-2.3.1-cp311-cp311-macosx_14_0_arm64.whl

用于 pandas_plink-2.3.1-cp311-cp311-macosx_14_0_arm64.whl 的哈希值
算法	哈希摘要
SHA256	`7750c78f81a7e676e7a55b04425a62e48ead3ebebb4cd6157498e164ec330609`
MD5	`0c62516bf8fd2c645d3235ff469dcb33`
BLAKE2b-256	`73dc7229739ade143745af7951bde8704b59afe3ca9c0243f0b9039d44be47f4`

哈希值用于 pandas_plink-2.3.1-cp311-cp311-macosx_13_0_x86_64.whl

用于 pandas_plink-2.3.1-cp311-cp311-macosx_13_0_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`ccd5f480c4bd11eaf0e3f22ee738b244967f52503dbf4451fa169a93066cd94b`
MD5	`27f4f34301bff7a97567c6a4c73a8a3b`
BLAKE2b-256	`b7e99278917b302bee066613be9f03ce89eb76ce5996534477afa52f8d0720af`

哈希值用于 pandas_plink-2.3.1-cp310-cp310-win_amd64.whl

用于 pandas_plink-2.3.1-cp310-cp310-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`37ae2cea2eead756c3ff3c5008e75aece50224fcbd93c51cb7992c5f82c3b016`
MD5	`d0c5d602525b1fa5509f33c01b8aa5b7`
BLAKE2b-256	`287a94fe938543de867fee94694fe165f4dce03bacc6e849c32490a33f3208c3`

哈希值用于 pandas_plink-2.3.1-cp310-cp310-musllinux_1_2_x86_64.whl

用于 pandas_plink-2.3.1-cp310-cp310-musllinux_1_2_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`85ac6fea14a7b53c7da7fd78f64fb8ca6b88e323915e5c4ca3267b0b19caf32f`
MD5	`c92717b8b31f5f84e9ac37dbf1fe1295`
BLAKE2b-256	`a70be01c1e8312f52b67cd7791cca9f80ceee8eb18b197bfed55928b5e8b1f2e`

哈希值用于 pandas_plink-2.3.1-cp310-cp310-musllinux_1_2_aarch64.whl

用于 pandas_plink-2.3.1-cp310-cp310-musllinux_1_2_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`7ec0bf42321d1587721e953d2370039399ad42466f1b9c3c5db890294a5a52fd`
MD5	`7c0078dde80023f1da9dfab959a7ebf8`
BLAKE2b-256	`5060468b2d8a6b4e3df4f3ec052a284a9926bac7bb74ee4b8184f5ad2f5044f8`

哈希值用于 pandas_plink-2.3.1-cp310-cp310-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl

用于 pandas_plink-2.3.1-cp310-cp310-manylinux_2_17_x86_64.manylinux_2_5_x86_64.manylinux1_x86_64.manylinux2014_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`693a7a143419e1aaa50508387e00b70ed3d80db7bb0f0f0af4a7586680588f65`
MD5	`c9d4eeb53e92b664358ff5e3b2780c8c`
BLAKE2b-256	`e2246ff63eb44094121e380ecd5755a3a3464230ba3650fcfca3f40f0f2fae62`

哈希值用于 pandas_plink-2.3.1-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

哈希值用于 pandas_plink-2.3.1-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
算法	哈希摘要
SHA256	`dc00a218e37aa208c9d231aa6dd9fd5ca3343973d61128174d58006618a9c6f8`
MD5	`d2909d91eaf77bc9b32c870b17663c9f`
BLAKE2b-256	`490915f5d7a0e68a4e0e3ef15bf10a8f9d6ebd6cc5aae91352f37ae14eb70b9d`

哈希值用于 pandas_plink-2.3.1-cp310-cp310-macosx_14_0_arm64.whl

哈希值用于 pandas_plink-2.3.1-cp310-cp310-macosx_14_0_arm64.whl
算法	哈希摘要
SHA256	`83bfc1cb91318bd2890dd96cf908a7917c5e4612f3483d224583a7d08625edc3`
MD5	`72a43bcde1aecc0d4683c18741754486`
BLAKE2b-256	`f4167434b410a6aeddfae056842534b287ee246440eb12f91a0755d734ee4fc1`

哈希值用于 pandas_plink-2.3.1-cp310-cp310-macosx_13_0_x86_64.whl

哈希值用于 pandas_plink-2.3.1-cp310-cp310-macosx_13_0_x86_64.whl
算法	哈希摘要
SHA256	`732cfe741ff25f4310bf73a75ca21496ee413fe9afd23f65803997beb0eaa1ce`
MD5	`9c856afe3bd6f0a407fbccef0401570e`
BLAKE2b-256	`aec1e932f605cc24d9bbf70d7170e41ed47568799ec817bb4132987e759532f7`

pydata-plink 2.3.1

导航

验证详情

维护者

未验证详情

项目链接

元数据

分类器

项目描述

pydata-plink

安装

使用方法

作者

许可证

项目详情

验证详情

维护者

未验证详情

项目链接

元数据

分类器

发布历史发布通知 | RSS源

下载文件

源分发

构建分发

pydata-plink 2.3.1

导航

验证详情

维护者

未验证详情

项目链接

元数据

分类器

项目描述

pydata-plink

安装

使用方法

作者

许可证

项目详情

验证详情

维护者

未验证详情

项目链接

元数据

分类器

发布历史 发布通知 | RSS源

下载文件

源分发

构建分发

发布历史发布通知 | RSS源